为了智能驾驶,李彦宏要改造城市道路了!

10 月 18 日,在世界智能网联汽车大会上,百度 CEO 李彦宏提到:当汽车变得越来越智能,道路的基础设施也必须跟着变,必须进行改造。

李彦宏在发言中表示,“很多自动驾驶汽车都是需要依赖极其昂贵的激光雷达来实现的,如果每一辆车都配一个雷达,每一辆车的成本都会增加十万块钱。但是,如果我们把激光雷达配在道路上,很多车就可以共享它们,成本就会大大下降。”

看上“车路协同”的不只百度一家,还有腾讯、阿里和华为。据《财经天下周刊》报导,在 2018 世界物联网博览会上,腾讯投资的四维图新展示了其基于LTE蜂窝网络的LTE-V2X车路协同解决方案;阿里也在今年的杭州云栖大会上展示了最新的“车路协同”技术,并发布了感知基站。至于通信巨头华为,早在几个月之前宣布正积极探索汽车和通信产业下的车路协同产业。

不过,早在 2016 年,百度就开始布局“车路协同”全栈研发。今年 9 月,百度 Apollo 发布了全球首个车路协同开源方案,并宣布年底正式开源。

 

 

然而,改造道路并不是一件容易的事情。目前中国的公路里程将近 400 多万公里,想要改造这些道路,将是一笔巨大的投入。未来车路协同技术到底能发展到什么程度,还有待观察。

 

下面为李彦宏演讲全文:
 

大家下午好!非常高兴能够来到世界智能网联汽车大会做一个发言。

18年前,当我刚刚创立百度的时候,恐怕从来没有想到过,有一天我和汽车工业会有这么紧密的联系。实际上应该是从2012年开始,我们意识到人工智能因为深度学习技术的发展,会逐步进入实用阶段,会改变一个个的传统工业。

所以从2012年,我们开始利用人工智能技术来改造百度的搜索引擎以及一些相关的服务。但是到2013年的时候,我们发现其实人工智能真正能改变的另外一个大的行业,就是汽车行业。

2013年,百度成立了自己的自动驾驶研发团队,这个团队后来发展越来越多,人越来越多,我们的投入也越来越大。到2015年的时候,我们成立了自动驾驶的事业部。

 

一个技术,不出事儿才是硬道理

去年4月份,我们宣布了 Apollo 平台的开放。这件事情的背景也非常简单,不仅是百度意识到了人工智能会对汽车工业有非常大的影响,很多以前汽车的整车厂也好、零部件厂商也好,以及芯片等等汽车工业的上下游……很多的企业都意识到了,人工智能会对汽车工业产生巨大的影响。除了这些整车厂在投入无人驾驶的研发之外,也有很多创业性的公司投入了无人驾驶的研发。

但是我们发现,因为大家都在做,大家都在独立地做,就很难避免重复造轮子的情况。所以,在2017年的时候,我们觉得与其每个人重走一遍我们走过的路,何不把我们已经积累的东西开放出来,与大家一起分享?源代码也好、数据也好,百度有的,你们就会有。这样的做法得到了很多车厂、以及其他领域合作伙伴的响应。

所以,今天的 Apollo 虽然仅仅开放了一年多的时间,却已经成为了全球最大的智能驾驶生态——我们有接近130家的生态合作伙伴。包括刚刚的戴姆勒,以及其他的整车厂,Tier1、Tier2,还有像 NVIDIA、Intel 这些芯片厂商,我们的科研机构等等也都在使用 Apollo 平台。

Apollo 平台是一个技术平台,真正地要进入使用、进入商用,需要跟每一个车厂进行合作,还需要通过实际路测的检验。所以,我们在发布这些技术之后,看到各个领域的合作伙伴各显神通,做了各种各样的 customization(适配)。

智能驾驶领域因此出现了很多的“新物种”。比如无人驾驶的货运车,这个车里没有驾驶员,也没有乘客,它可以用比一般汽车小很多的体积在封闭的园区里行驶,公园里那些清扫垃圾的车辆,也可以在凌晨三四点,在公园里没有人的时候安全地跑起来。

今年7月份,我们跟厦门金龙一起合作的阿波龙迷你巴士,是全球第一款量产的商用 L4 无人驾驶汽车,现在向大家报告一下进展:

阿波龙已经安全运营了超过一万公里,也载了超过一万人次去体验,同时已经落地在20个场景,到目前为止是零事故率。所以,我觉得这才是重要的,你可以宣布一个技术,也做了各种各样的测试,甚至把这些东西都共享出来,那不算什么,不出事儿才是硬道理。这才是真正让人感到高兴的事情。

事实上,当我们知道一个个合作伙伴要拿着 Apollo 的技术,到实际场景中应用的时候,我们自己也是非常担心的。很有可能会因为我们一个小小的错误,使得整个中国自动驾驶技术创新的速度降下来,大家都会害怕,我们也会害怕。

所以,我们在这方面做了特别特别多的努力。Apollo 平台今天已经进化到3.0,新增的代码中有50%以上都是跟安全有关的。

所以说得再天花乱坠,如果安全这一条过不去,也无法进入使用状态。这是我们在过去这一段时间、尤其是过去一年的探索中体会最深的一点。

 

有了智能的车不够,还需要更智能的路
 

有了智能的车还不够。汽车、智能网联车是一个非常庞大的产业,涉及很多环节,这些环节不仅包括车,也包括基础设施,也包括路。

我们以前说,马路就是跑马的,跑马的路跟跑汽车的路显然从基础设施上是不一样的。跑马的路可能并非是柏油路,跑马的路也不需要有红绿灯,这些我们今天都已经习以为常的东西,可能一百多年前就是重要的基础设施的变化。

今天,当我们的汽车越来越智能,当我们憧憬以后可以取代人类驾驶员的时候,我们必须要考虑到道路的基础设施也要跟着变,也要进行改造。即使是从提升效率、降低成本的角度讲,改造基础设施也是非常重要的。

大家知道,很多自动驾驶汽车都是需要依赖极其昂贵的激光雷达来实现的,如果每一辆车都配一个雷达,每一辆车的成本都会增加十万块钱。但是,如果我们把激光雷达配在道路上,很多车就可以共享它们,成本就会大大下降。

所以,我觉得中国在这方面有独特的优势,中国在基础设施的建设上全球领先,也非常愿意投入。我们的高铁,我们的高速公路,我们的机场……等等这些投入,在过去的几十年都会让全世界感到印象深刻。

对于大城市来说,建了很多高速公路、建了很多停车场、建了很多立交桥、甚至建了很多地铁,已经没有空间再建了。新的基础设施需要有新的思维方式。像北京这样的大城市,交通问题是每一个人都深有体会的一个比较难以解决的问题。

 

  • 解决交通拥堵 

根据我们的测算,北京市每年因为交通拥堵造成的损失是数以千亿计的,因交通拥堵造成的损失大概占 GDP 的5%。比如我每天上班单程要一个多小时,大多数时候可能不处于拥堵状态,那是因为我本来应该走五环、但只能走六环。

在我们传统统计的交通拥堵数据中,可能不会把这些数据统计为拥堵造成的损失,但其实除了多交几十块钱的过路费之外,也消耗了更多汽油。

因此,这样的事情随着人工智能技术的进步、随着汽车越来越智能、以及随着我们相应基础设施的升级和换代,是可以得到大幅度改善的。

在基础设施领域,通过红绿灯上的路测设备,无论激光雷达还是摄像头,都可以使得拥堵的状况得到大幅度改善。

 

  •  自动泊车 

还有一点,就是前面几位嘉宾提到过的自主泊车。美国有一个统计:人们在开车的时间里,30%都是在找停车位的。但其实这些时间是一种无谓的浪费。有些人会说,我喜欢开车,没错,你喜欢在高速上开车、喜欢到没去过的地方开车,但不会有人说,我喜欢找停车位。

这样一个繁琐、耗时间的事情,我们很快可以交给自动驾驶来完成了。以后上班时,直接把车开到办公楼大门前,下车后剩下的事情就不需要再担心了。

 

  • 疲劳驾驶监测 

另外,在刚才的开场视频中,我们还看到,每年有130多万人死于交通事故,恐怕没有其他意外,会比交通事故更容易造成这么多人的生命损失。

而自动驾驶时代的到来,会大大的减少这一方面事故的发生,也包括我们对于疲劳驾驶的智能检测和对司机的提醒。

 

智能驾驶产业发展的4个关键因素

我也总结一下,在我看来,智能驾驶产业发展需要有4个方面的关键因素。

第一,我认为是开放。没有一家公司可以把所有的事情都做完,所以,我们需要开放和合作。我们做过的东西拿出来和大家共享,其他人没有必要再来做一遍了,大家在一个共同的平台上相互激发、相互提升,这个产业就会越来越繁荣、越来越先进。

第二是安全。我刚才也讲到了,不管是人的生命损失,还是我们平时为了减少拥堵而希望更少地出现事故,安全都是跟每个人的切身利益相关的。

第三是政策。今天即使有 Level 4的技术,造出了这样的车,仍然是不能上路的。除了我们拿到的几十辆测试牌照的车能在规定的道路上行驶之外,在其他的地方即使有这个无人车也不能跑。那么,我们一定要有相应的政策,才能让智能驾驶真正地在开放道路上跑起来。

第四个关键因素是基础设施。我刚才也讲到,基础设施的改进是中国独有的优势。很多车都拥挤在大城市里,可以通过路面的路测基础设施改进让自动驾驶的成本大幅度下降,这也能使现在没有自动驾驶能力的车在路上少拥堵一些时间,让人们把更多的时间用在工作、学习、生活和娱乐上。

所以,未来千钧,但是众擎易举,我们大家一起努力,一定可以使得一个智能驾驶的未来及早到来。感谢大家!
 

本文原文地址:https://blog.youkuaiyun.com/dQCFKyQDXYm3F8rB0/article/details/83177077

随着信息技术在管理上越来越深入而广泛的应用,作为学校以及一些培训机构,都在用信息化战术来部署线上学习以及线上考试,可以与线下的考试有机的结合在一起,实现基于SSM的小码创客教育教学资源库的设计与实现在技术上已成熟。本文介绍了基于SSM的小码创客教育教学资源库的设计与实现的开发全过程。通过分析企业对于基于SSM的小码创客教育教学资源库的设计与实现的需求,创建了一个计算机管理基于SSM的小码创客教育教学资源库的设计与实现的方案。文章介绍了基于SSM的小码创客教育教学资源库的设计与实现的系统分析部分,包括可行性分析等,系统设计部分主要介绍了系统功能设计和数据库设计。 本基于SSM的小码创客教育教学资源库的设计与实现有管理员,校长,教师,学员四个角色。管理员可以管理校长,教师,学员等基本信息,校长角色除了校长管理之外,其他管理员可以操作的校长角色都可以操作。教师可以发布论坛,课件,视频,作业,学员可以查看和下载所有发布的信息,还可以上传作业。因而具有一定的实用性。 本站是一个B/S模式系统,采用Java的SSM框架作为开发技术,MYSQL数据库设计开发,充分保证系统的稳定性。系统具有界面清晰、操作简单,功能齐全的特点,使得基于SSM的小码创客教育教学资源库的设计与实现管理工作系统化、规范化。
### 百度Apollo城市道路自动驾驶大赛参赛指南和技术要求 #### 参赛平台概述 百度Apollo城市道路自动驾驶虚拟仿真大赛基于 **Apollo Studio** 进行测试和评估参赛者的算法性能[^1]。该平台提供了高度仿真的城市道路环境,能够模拟复杂的交通场景以及各种天气条件下的驾驶情况。 #### 参赛规则 为了确保公平性和技术验证的有效性,比赛制定了严格的规则框架: - 所有参赛队伍需提交完整的自动驾驶解决方案,包括感知、决策规划及控制模块。 - 解决方案应能够在 Apollo 提供的标准接口上运行,并兼容其开源软件栈。 - 测试过程中,车辆模型的行为表现会被记录并评分,主要考察安全性、效率和平滑性等方面的表现。 #### 技术要求 针对此次竞赛的技术层面,以下是几个核心要点: 1. **传感器融合处理能力**: 需要具备高精度地图数据解析能力和多种传感器(如激光雷达, 摄像头等)的信息整合功能. 2. **路径规划与避障策略**: 设计合理的全局路径规划算法以及局部动态障碍物规避逻辑是非常重要的环节之一. 3. **实时响应机制**: 系统必须拥有快速反应时间来应对突发状况比如行人横穿马路或者前方突然刹车等情况. 此外值得注意的是,Apollo项目自发布以来便受到广泛关注并且经历了多个重要里程碑时刻,例如最初因李彦宏先生亲自演示而引发热议的事件[^2],再到后来获得政府支持开展实际路测活动等等[^4].这些成就不仅证明了该项目的强大实力同时也为其后续发展奠定了坚实基础. ```python # 示例代码片段:简单的路径规划函数实现思路 def plan_route(start_point, end_point): obstacles = get_obstacles() # 获取当前环境中存在的静态/动态障碍物列表 possible_routes = [] # 存储可能路线候选集 best_route = None # 初始化最优解变量 for route_option in generate_all_possible_paths(start_point, end_point): if is_safe(route_option, obstacles): # 判断此条线路是否安全可行 cost_value = evaluate_cost(route_option) # 计算代价值 (考虑距离长短等因素) if not best_route or cost_value < min(best_route.values()): best_route = {"path":route_option,"cost":cost_value} # 更新更优的选择 return best_route["path"] # 返回最终选定的最佳行驶轨迹 ``` 以上仅为简化版伪代码示例用于说明概念, 实际应用中的算法会更加复杂精细.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值